Support for GNN specific Normalisation Layers
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
- Área
- machine-learning
Línea de trabajo
El issue menciona PairNorm y GraphNorm, pero no proporciona archivos, pruebas ni puntos de entrada. Primero confirma si la implementación propuesta sigue disponible; después, revisa las convenciones existentes del proyecto para las capas GNN y define pruebas para ambas normalizaciones. La tarea se considera terminada cuando ambos elementos de la lista de comprobación estén implementados y cubiertos por pruebas.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
There are GNN specific normalisations which play a crucial role in Deeper GNNs, or help in overcoming oversmoothing.
There arises a necessity to implement these in order to enhance the Deeper GNNs .
Listing a few important GNN normalisation functionalities / layers here . Will be constantly updating it
- PairNorm
- GraphNorm
I will be working on the implementation of these and will make a PR on it and add more useful normalisations here
- Lenguaje dominante
- Julia
- Estrellas
- 310
- Forks
- 75
- Merge medio
- 1 d 13 h
- PR fusionados (30 d)
- 8
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaGraphs/GraphNeuralNetworks.jl
-
GNNLux NNConv returns its state without the nn wrapper, so the state can't be fed back inPosiblemente ocupada @parth-patel010 la tomó hace 1 día. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
JuliaGraphs/GraphNeuralNetworks.jl#727 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
maintainance
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
JuliaGraphs/GraphNeuralNetworks.jl#725 ·
Los mantenedores suelen responder en 1 día
-
remove_nodes doesn't update graph_indicator on batched graphsPosiblemente ocupada @parth-patel010 la tomó hace 9 días. Abiertognngraphs
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
JuliaGraphs/GraphNeuralNetworks.jl#716 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
gnnlib lux
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
JuliaGraphs/GraphNeuralNetworks.jl#710 ·
Los mantenedores suelen responder en 1 día
-
Mooncake on CUDA issue trackerAbiertoflux gnngraphs gnnlib
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
JuliaGraphs/GraphNeuralNetworks.jl#702 · 1 comentario ·
Los mantenedores suelen responder en 1 día
Todos los issues de JuliaGraphs/GraphNeuralNetworks.jl
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
JuliaDiff/TaylorSeries.jl#445 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
SciML/PETScDiffEq.jl#362 ·
Los mantenedores suelen responder en 1 día
-
Prescribed ice velocities never get their halos filled, so ice is created at a periodic seamAbierto🕷️ bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
CliMA/ClimaSeaIce.jl#203 ·
Los mantenedores suelen responder en 3 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
JuliaMath/SpecialFunctions.jl#570 ·
-
documentation
Dificultad 2/5 1-3 horas Aptitud para principiantes 64/100
JuliaPhysics/BeamletOptics.jl#221 ·
Los mantenedores suelen responder en 1 día